Bài giảng Thống kê và phân tích dữ liệu: Biến phụ thuộc định tính

Bài giảng Thống kê và phân tích dữ liệu: Biến phụ thuộc định tính, được biên soạn gồm các nội dung chính sau: Các tình huống ứng dụng; Mô hình hàm xác suất tuyến tính; Mô hình hàm phân phối tích lũy; Ứng dụng trên Eviews. Mời các bạn cùng tham khảo! | BIẾN PHỤ THUỘC ĐỊNH TÍNH 1 NỘI DUNG Các tình huống ứng dụng Dạng hàm Mô hình hàm xác suất tuyến tính Linear Probability Model LPM Mô hình hàm phân phối tích lũy Cumulative Distribution Function CDF Hàm Logit Hàm Probit Ứng dụng trên Eviews 2 Các tình huống Cải thiện không cải thiện năng lực Sở hữu nhà không sở hữu nhà Nghèo không nghèo Thành công không thành công của một chính sách mới Tham gia đầu tư không tham gia đầu tư 3 Mô hình LPM Yi 1 có mua nhà Yi 0 không có mua nhà Xi Thu nhập của gia đình Yi Xi 1 20000 0 5000 0 4000 1 18000 - - - - 4 Mô hình LPM Yi 1 0 Xi X1 X2 X3 5 Mô hình LPM Dùng phương pháp OLS ta có Yi 1 2 X i i i Yi 1 2 X i Pr Yi 1 Xi Pi Pr Yi 0 Xi 1 - Pi E Yi Pi b1 b2 Xi Xác suất để có nhà 6 Các vấn đề của mô hình LPM Không thỏa mãn điều kiện 0 lt Pi lt 1 R2 không còn đo lường tốt độ thích hợp của dữ liệu Tác động biên của mô hình thay đổi đều Var ei thay đổi ei không tuân theo phân phối chuẩn 7 Mô hình hàm phân phối tích lũy CDF 8 Mô hình hàm Logit 9 Mô hình hàm Logit 1 1 Pi F Z i F X Zi 1 2 i 1 e 1 e 1 2Xi Zi e Pi 1 e i Z Pi e Zi 1 1 Pi 1 Pi 1 e i Z 10 Mô hình hàm Logit Z Pi i ln X X . X 1 Pi 1 2 2i 3 3i k ki Tác động biên Pˆi Pˆi 1 Pˆi i X i Dấu của tác động biên phụ thuộc vào dấu của i Pi 1 Pi 0 11 Mô hình hàm Logit Độ lớn của tác động biên Ở giá trị Xi ta có Pi P0. Khi Xi tăng lên Xi 1 thì Pi P1 O0 P0 e 1 2 X 2i 3 X 3i . k X ki 1 P0 O1 P1 X X . k X ki 1 e 1 2 2i 3 3i 1 P1 P O1 1 O0e O0e k k P1 1 P1 1 O0e k 12 Mô hình hàm Logit 13 Mô hình hàm Logit k P0 10 P0 20 P0 90 P1 P1 P1 2 15 3 5 Khi X2 tăng 1 đơn vị thì Pi tăng 15 - 10 5 k 10 14 Mô hình hàm Logit Đánh giá ý nghĩa thống kê của mô hình OLS Maximum Likelihood H0 k 0 Tstatistic Zstatistic H1 k khác 0 P- value P- value Đo độ thích hợp R2adjusted R2Fadden mô hình H0 2 3 k 0 Fstatistic X 2 2 LLFUR LLFR P- value H1 ít nhất 1 khác 0 Pvalue 15 Mô hình hàm Probit i F 1 Pi 1 2 X i 1 Z i 1 2 X i Z 2 Pi 2 e 2 d Pˆi f i X i Dấu của tác động biên phụ thuộc vào dấu của i vì f gt 0 Độ dốc hàm Logit lt .

Không thể tạo bản xem trước, hãy bấm tải xuống
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.